哪一类是肯定的，以及在为ML准备数据时如何确定真正的警报

Question

我正在为机器学习准备一些数据。 这个问题很容易，但是我有点困惑。

让我们假设有一个系统每1小时大约有100个警报，而只有1或2个警报是它们的真实警报。假警报将被人忽略。我收集了一些看起来像特征的数据，并将标签0或1标记为伪造或真实警报。

在这种情况下，实际警报是0还是1？这样，TP，TN，FP，FN，机会级别将被更改。我们感兴趣的是真正的警报，即使所有警报都由人工手动检查，我们也不想错过。

几乎警报是假的，因此机会级别将超过95％。那么，主要类别和正面类别将是1，并发出假警报？但是我们的兴趣不是假警报。 在这种情况下应如何设置标签？

Answer 1

由于损失函数不受标记1或0的方式的影响，因此这两种方法对模型的性能同样适用。我个人认为，假冒的应该使用0，真实的应该使用1。